cs231n_经典网络结构

原创 已于 2023-04-16 17:06:03 修改 · 97 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #深度学习

于 2023-03-13 16:10:01 首次发布
文章介绍了深度学习中的一些经典网络结构，如AlexNet开启了卷积神经网络在ImageChallenge的时代，VGG以模块化设计和1x1卷积减少计算量，GoogleNet的Inception模块优化了计算效率，ResNet系列通过残差连接解决了梯度消失问题，MobileNet则利用DepthwiseSeparableConvolution实现轻量化设计。

1. 经典网络结构

AlexNet

Image challenge下的首个卷积神经网络。

 VGG

模块化的设计，增加了很多的stage。

相同的感受野；2个3x3，比5x5的flops要少；中间插入relu，还有更多的非线性。

feature size 减小之后，同时double channel的数量，以保证相同的flops。

GoogleNet

下采样的特别快，降低计算量

inception模块，并行的conv，无需tune kernel size;1x1的降低channel；

 用pooling代替全连接，降低计算量

ResNet, ResBottleNet, ResNext

base vs bottleneck

 bottlenet vs resnext

MobileNet

 depthseperable and pointwise conv

https://chih-sheng-huang821.medium.com/%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92-mobilenet-depthwise-separable-convolution-f1ed016b3467

2020 cs231n 卷积神经网络 学习笔记
cheetah023的博客
07-13 3188
深度前馈网络（deep feedforward network）： 1、前馈网络目标：是近似某个函数f()，定义了一个映射y=f(x;theta)，并且学习参数theta的值，使它能够得到最佳的函数近似。 前馈（feedforward ）是因为模型的输出和模型本身之间没有反馈连接， 当前馈网络被扩展成包含反馈连接时，它们被称为循环神经网络（recurrent neural network） ...
cs231n assignment2 part2
weixin_47089544的博客
06-15 2138
本文为2024年cs231n作业二的参考答案，包含详细的公式推导。
cs231n assignment1
weixin_47089544的博客
05-28 2882
cs231n assignment1 参考答案(包含详细的推导过程)
第一章、CS231N课程简介
Nelson_hehe的博客
06-30 1735
本文主要从计算机视觉、深度学习发展历史入门，介绍了一些比较权威的视觉领域数据集，介绍了CS231n课程的主要内容，包括计算机视觉和深度学习的基础知识、视觉应用领域和生成式视觉模型等内容。
计算机视觉 CS231n Course Introduction
herosunly的博客
01-27 1万+
  CS231n每一年都有课程，最早的是2015年(http://cs231n.stanford.edu/2015)，其中包括视频的分别为2016年(http://cs231n.stanford.edu/2016)和2017年(http://cs231n.stanford.edu/2017)。教学大纲为子域名syllabus，如http://cs231n.stanford.edu/2016/syllabus。两者最大的变化是，使用的深度学习框架是不同的。前者使用的是Tensorflow，而后者使用的是Pyt
【CS231N笔记】P11:经典卷积神经网络结构案例分析
博客标题不能为空我也没办法
11-22 2425
经典卷积神经网络结构案例分析
cs231n assignment3解析
ykn37的博客
08-20 2800
cs231n assignment3解析
stanford_CS231n_learning note_Lec_04 Backpropagation
专注机器学习之路
03-15 1810
Lec_4_Back PropagationHappy Moment cs231n Schedule and Syllabus 教学计划与大纲 http://cs231n.stanford.edu/syllabus.html 网易云课堂 http://study.163.com/course/courseMain.htm?courseId=1003223001 backprop notes h
CS231N 卷积神经网络课程学习笔记
erinchen92的专栏
08-21 5518
CS21N 是斯坦福大学教授李菲菲的课程，主要讲卷积神经网络相关内容，为了更好的记忆，整理下笔记。文中有些不对的术语和理解还请大家指正。   一、卷积神经网络的结构     传统的神经网络一般由输入，点乘，非线性变换组成，由于每一层和前一层都是全连接，网络的复杂度和输入的图像大小有很大的关系，如果图像过大，输入层的参数会非常多。卷积神经网络则利用输入图像的一些特征，可以更有效地学习同时也大大
cs231n 课程作业 Assignment 2
热门推荐
张小彬的专栏
04-07 2万+
上一次作业基本已经讲了构建一个多层神经网络的基本知识，包括其结构，公式推导，训练方法。这一次主要关注卷积神经网络（CNN, Convolution Neural Network），要先读完课程笔记 CS231n Convolutional Neural Networks for Visual Recognition，基本就懂了。特别是那个解释卷积的动态图，非常形象。CNN 主要多了卷积层（convo
CS231n斯坦福面向视觉识别的卷积神经网络_深度学习_CS231n_算法_
10-02
经典的网络结构如LeNet、AlexNet、VGG、GoogLeNet和ResNet等，每个都有其独特的设计和贡献。例如，AlexNet首次在ImageNet大赛上取得突破，VGG引入了深度学习的概念，GoogLeNet提出了Inception模块以增加网络的宽度和...
cs231n_2017_lecture6.pdf
01-20
2. 神经网络的组成部分：一个基本的神经网络结构通常由输入层、隐藏层和输出层组成。隐藏层可以有多个，并且每一层可以由许多神经元（或称节点）构成。神经元之间通过权重连接，权重的调整是通过学习过程实现的。 3...
cs231n_2017_lecture10.pdf
01-20
- **递归神经网络（Recurrent Neural Networks）**：递归神经网络是一种用于处理序列数据的神经网络结构。它能够将前一时刻的状态信息带入到当前时刻的计算中，从而能够处理时间序列数据、自然语言等序列信息。 ###...
cs231n_2017_lecture5.pdf
01-20
这份文档是cs231n课程2017年春季学期第五讲的内容，主题是卷积神经网络（Convolutional Neural Networks，简称CNN）。该课程由Fei-Fei Li、Justin Johnson和Serena Yeung共同讲授。本讲内容不仅介绍了卷积神经网络的...
cs231n_2017_lecture13.pdf
01-20
标题：“cs231n_2017_lecture13.pdf”指的是斯坦福大学开设的计算机视觉课程CS231n的第13讲讲义，该课程由Fei-Fei Li、Justin Johnson和Serena Yeung三位教授主讲。该课程覆盖了深度学习在计算机视觉领域的应用。 ...
人工智能的基石之三：硬件
最简单的方法，解决最实际的问题。
12-05 673
高性能硬件是人工智能的基石，尤其是在机器学习和深度学习领域，海量数据是常态。从充当计算机大脑的中央处理器 (CPU) 到加速计算的图形处理器 (GPU)，硬件的作用是提供处理和运行复杂数据算法所需的原始能力。
【论文速递】2025年第34周(Aug-17-23)(Robotics/Embodied AI/LLM)
最新发布
淋曦的进击手记
12-07 1100
自我监督的学习有望消除对手动数据注释的需求，从而使模型能够毫不费力地扩展到大规模的数据集和较大的体系结构。通过不针对特定的任务或领域量身定制，这种训练范式有可能使用单个算法从不同的来源学习视觉表示形式，从自然到航空图像。该技术报告介绍了Dinov3，这是通过利用简单而有效的策略来实现这一愿景的主要里程碑。首先，我们利用仔细的数据准备，设计和优化来扩展数据集和模型大小的好处。其次，我们介绍了一种称为GRAM锚定的新方法，该方法有效地解决了长期训练时间表中已知但未解决的密集特征映射降解的问题。
AI泡沫什么时候破？
脑极体
12-04 765
而AI企业面对的短期形势，可能更为严峻。而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。
【AI是否能替代IT从业者？】
博文致力于人工智能算法的探索研究；前后端分离项目的技术分享交流；专升本计算机基础课程内容讲解；各种中间件技术分享
12-03 1215
2025年IT行业面临AI深度重构：基础开发、测试、运维岗位替代率超60%，但AI相关新兴岗位激增380%。人类在复杂系统设计、伦理决策和跨界融合领域仍具不可替代性。微软等企业实践显示，人机协作可使效率提升40%。从业者需转型高价值领域（如Agent开发、大模型工程），掌握"技术+领域"双轨能力。AI本质是职业生态重构器，持续学习者的薪资溢价可达150%。建议立即评估岗位AI暴露指数，优先学习分布式架构优化、多智能体开发等技能。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值